连续神经映射：从序列观测中学习隐式场景表示
计算机视觉与模式识别
2021-10-05 v1
摘要
近期进展已使单个神经网络能够作为隐式场景表示，建立空间坐标与场景属性之间的映射函数。在本文中，我们向直接从序列观测中持续学习隐式场景表示（即连续神经映射）迈出了进一步的一步。所提出的问题设定弥合了批量训练的隐式神经表示与机器人和视觉领域常用的流式数据之间的差距。我们引入了一种经验回放方法来处理连续神经映射的一个示例任务：从序列深度图像中逼近连续有符号距离函数 (SDF) 作为场景几何表示。我们首次表明，单个网络可以随时间持续表示场景几何而不会发生灾难性遗忘，同时实现精度与效率之间令人满意的权衡。
引用
@article{arxiv.2108.05851,
title = {Continual Neural Mapping: Learning An Implicit Scene Representation from Sequential Observations},
author = {Zike Yan and Yuxin Tian and Xuesong Shi and Ping Guo and Peng Wang and Hongbin Zha},
journal= {arXiv preprint arXiv:2108.05851},
year = {2021}
}
备注
ICCV 2021